
R中的正則表達(dá)式及字符處理函數(shù)總結(jié)
我們?nèi)粘I钪薪佑|到的大部分?jǐn)?shù)據(jù)都是以文本的形式存在。如何高效地處理文本數(shù)據(jù),將看似雜亂無(wú)章的數(shù)據(jù)整理成可以進(jìn)行統(tǒng)計(jì)分析的規(guī)則數(shù)據(jù),是『數(shù)據(jù)玩家』必備的一項(xiàng)重要技能。
今天,我們要學(xué)習(xí)的『正則表達(dá)式』和『字符處理函數(shù)』將助你成為點(diǎn)石成金的數(shù)據(jù)魔法師。
在進(jìn)行爬蟲(chóng)任務(wù)的時(shí)候,部分情況下,我們可以使用Xpath來(lái)提取我們需要的網(wǎng)頁(yè)信息。但是,當(dāng)我們需要的數(shù)據(jù)以一定的規(guī)則隱藏在一段文字中時(shí),就不可避免地要使用到正則表達(dá)式。
正則表達(dá)式是對(duì)字符串類型數(shù)據(jù)進(jìn)行匹配判斷,提取等操作的一套邏輯公式。
處理字符串類型數(shù)據(jù)方面,高效的工具有Perl和Python。如果我們只是偶爾接觸文本處理任務(wù),則學(xué)習(xí)Perl無(wú)疑成本太高;如果常用Python,則可以利用成熟的正則表達(dá)式模塊:re庫(kù);如果常用R,則使用Hadley大神開(kāi)發(fā)的stringr包則已經(jīng)能夠游刃有余。
下面,我們先簡(jiǎn)要介紹重要并通用的正則表達(dá)式規(guī)則。接著,總結(jié)一下stringr包中重要的字符處理函數(shù)。
如果有時(shí)間,我將后續(xù)補(bǔ)充一個(gè)綜合的使用案例。
元字符
正則表達(dá)式中,有12個(gè)字符被保留用作特殊用途。他們分別是:
它們的作用如下:
[ ]:括號(hào)內(nèi)的任意字符將被匹配;
\:具有兩個(gè)作用:
1.對(duì)元字符進(jìn)行轉(zhuǎn)義
2.一些以\開(kāi)頭的特殊序列表達(dá)了一些字符串組
^:匹配字符串的開(kāi)始.將^置于character class的首位表達(dá)的意思是取反義。如[^5]表示匹配除了”5”以外的任何字符。
$:匹配字符串的結(jié)束。但將它置于character class內(nèi)則消除了它的特殊含義。如[akm$]將匹配’a’,’k’,’m’或者’$’.
.:匹配除換行符以外的任意字符。
|:或者
?:前面的字符(組)最多被匹配一次
*:前面的字符(組)將被匹配零次或多次
+:前面的字符(組)將被匹配一次或多次
( ):表示一個(gè)字符組,括號(hào)內(nèi)的字符串將作為一個(gè)整體被匹配。
重復(fù)
轉(zhuǎn)義
如果我們想查找元字符本身,如”?”和”*“,我們需要提前告訴編譯系統(tǒng),取消這些字符的特殊含義。這個(gè)時(shí)候,就需要用到轉(zhuǎn)義字符\,即使用\?和\*.當(dāng)然,如果我們要找的是\,則使用\\進(jìn)行匹配。
注:R中的轉(zhuǎn)義字符則是雙斜杠:\\
R中預(yù)定義的字符組
代表字符組的特殊符號(hào)
stringr包中的重要函數(shù)
可見(jiàn),stringr包中的字符處理函數(shù)更豐富和完整(其實(shí)還有更多函數(shù)),并且更容易記憶?;蛟S速度也會(huì)更快。
其他相關(guān)的重要函數(shù)
windows下處理字符串類型數(shù)據(jù)最頭疼的無(wú)疑是編碼問(wèn)題了。這里介紹幾個(gè)編碼轉(zhuǎn)換相關(guān)的函數(shù)。
數(shù)據(jù)分析咨詢請(qǐng)掃描二維碼
若不方便掃碼,搜微信號(hào):CDAshujufenxi
LSTM 模型輸入長(zhǎng)度選擇技巧:提升序列建模效能的關(guān)鍵? 在循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)家族中,長(zhǎng)短期記憶網(wǎng)絡(luò)(LSTM)憑借其解決長(zhǎng)序列 ...
2025-07-11CDA 數(shù)據(jù)分析師報(bào)考條件詳解與準(zhǔn)備指南? ? 在數(shù)據(jù)驅(qū)動(dòng)決策的時(shí)代浪潮下,CDA 數(shù)據(jù)分析師認(rèn)證愈發(fā)受到矚目,成為眾多有志投身數(shù) ...
2025-07-11數(shù)據(jù)透視表中兩列相乘合計(jì)的實(shí)用指南? 在數(shù)據(jù)分析的日常工作中,數(shù)據(jù)透視表憑借其強(qiáng)大的數(shù)據(jù)匯總和分析功能,成為了 Excel 用戶 ...
2025-07-11尊敬的考生: 您好! 我們誠(chéng)摯通知您,CDA Level I和 Level II考試大綱將于 2025年7月25日 實(shí)施重大更新。 此次更新旨在確保認(rèn) ...
2025-07-10BI 大數(shù)據(jù)分析師:連接數(shù)據(jù)與業(yè)務(wù)的價(jià)值轉(zhuǎn)化者? ? 在大數(shù)據(jù)與商業(yè)智能(Business Intelligence,簡(jiǎn)稱 BI)深度融合的時(shí)代,BI ...
2025-07-10SQL 在預(yù)測(cè)分析中的應(yīng)用:從數(shù)據(jù)查詢到趨勢(shì)預(yù)判? ? 在數(shù)據(jù)驅(qū)動(dòng)決策的時(shí)代,預(yù)測(cè)分析作為挖掘數(shù)據(jù)潛在價(jià)值的核心手段,正被廣泛 ...
2025-07-10數(shù)據(jù)查詢結(jié)束后:分析師的收尾工作與價(jià)值深化? ? 在數(shù)據(jù)分析的全流程中,“query end”(查詢結(jié)束)并非工作的終點(diǎn),而是將數(shù) ...
2025-07-10CDA 數(shù)據(jù)分析師考試:從報(bào)考到取證的全攻略? 在數(shù)字經(jīng)濟(jì)蓬勃發(fā)展的今天,數(shù)據(jù)分析師已成為各行業(yè)爭(zhēng)搶的核心人才,而 CDA(Certi ...
2025-07-09【CDA干貨】單樣本趨勢(shì)性檢驗(yàn):捕捉數(shù)據(jù)背后的時(shí)間軌跡? 在數(shù)據(jù)分析的版圖中,單樣本趨勢(shì)性檢驗(yàn)如同一位耐心的偵探,專注于從單 ...
2025-07-09year_month數(shù)據(jù)類型:時(shí)間維度的精準(zhǔn)切片? ? 在數(shù)據(jù)的世界里,時(shí)間是最不可或缺的維度之一,而year_month數(shù)據(jù)類型就像一把精準(zhǔn) ...
2025-07-09CDA 備考干貨:Python 在數(shù)據(jù)分析中的核心應(yīng)用與實(shí)戰(zhàn)技巧? ? 在 CDA 數(shù)據(jù)分析師認(rèn)證考試中,Python 作為數(shù)據(jù)處理與分析的核心 ...
2025-07-08SPSS 中的 Mann-Kendall 檢驗(yàn):數(shù)據(jù)趨勢(shì)與突變分析的有力工具? ? ? 在數(shù)據(jù)分析的廣袤領(lǐng)域中,準(zhǔn)確捕捉數(shù)據(jù)的趨勢(shì)變化以及識(shí)別 ...
2025-07-08備戰(zhàn) CDA 數(shù)據(jù)分析師考試:需要多久?如何規(guī)劃? CDA(Certified Data Analyst)數(shù)據(jù)分析師認(rèn)證作為國(guó)內(nèi)權(quán)威的數(shù)據(jù)分析能力認(rèn)證 ...
2025-07-08LSTM 輸出不確定的成因、影響與應(yīng)對(duì)策略? 長(zhǎng)短期記憶網(wǎng)絡(luò)(LSTM)作為循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)的一種變體,憑借獨(dú)特的門控機(jī)制,在 ...
2025-07-07統(tǒng)計(jì)學(xué)方法在市場(chǎng)調(diào)研數(shù)據(jù)中的深度應(yīng)用? 市場(chǎng)調(diào)研是企業(yè)洞察市場(chǎng)動(dòng)態(tài)、了解消費(fèi)者需求的重要途徑,而統(tǒng)計(jì)學(xué)方法則是市場(chǎng)調(diào)研數(shù) ...
2025-07-07CDA數(shù)據(jù)分析師證書(shū)考試全攻略? 在數(shù)字化浪潮席卷全球的當(dāng)下,數(shù)據(jù)已成為企業(yè)決策、行業(yè)發(fā)展的核心驅(qū)動(dòng)力,數(shù)據(jù)分析師也因此成為 ...
2025-07-07剖析 CDA 數(shù)據(jù)分析師考試題型:解鎖高效備考與答題策略? CDA(Certified Data Analyst)數(shù)據(jù)分析師考試作為衡量數(shù)據(jù)專業(yè)能力的 ...
2025-07-04SQL Server 字符串截取轉(zhuǎn)日期:解鎖數(shù)據(jù)處理的關(guān)鍵技能? 在數(shù)據(jù)處理與分析工作中,數(shù)據(jù)格式的規(guī)范性是保證后續(xù)分析準(zhǔn)確性的基礎(chǔ) ...
2025-07-04CDA 數(shù)據(jù)分析師視角:從數(shù)據(jù)迷霧中探尋商業(yè)真相? 在數(shù)字化浪潮席卷全球的今天,數(shù)據(jù)已成為企業(yè)決策的核心驅(qū)動(dòng)力,CDA(Certifie ...
2025-07-04CDA 數(shù)據(jù)分析師:開(kāi)啟數(shù)據(jù)職業(yè)發(fā)展新征程? ? 在數(shù)據(jù)成為核心生產(chǎn)要素的今天,數(shù)據(jù)分析師的職業(yè)價(jià)值愈發(fā)凸顯。CDA(Certified D ...
2025-07-03